基于引力和斥力的停车位发现算法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (6): 94-98.

基于引力和斥力的停车位发现算法

金康1，2，李德敏1，2，汤海涅1，2，李彤1，2

1.东华大学信息科学与技术学院，上海 201620
2.数字化纺织服装技术教育部工程研究中心，上海 201620

出版日期:2016-03-15 发布日期:2016-03-17

Parking algorithm based on repulsion and gravity

JIN Kang1，2, LI Demin1，2, TANG Hainie1，2, LI Tong1，2

1.School of Information Science and Technology, Donghua University, Shanghai 201620, China
2.Engineering Research Center of Digitized Textile & Fashion Technology, Ministry of Education, Shanghai 201620, China

Online:2016-03-15 Published:2016-03-17

摘要/Abstract

摘要： 停车难是各大城市亟需解决的热点问题，而目前对停车位算法的研究都在理想模型下进行，对实际场景中存在的很多重要问题没有加以考虑。对停车位发现问题中车辆位置信息不完全的模型进行研究，改进了基于引力的停车位发现算法。通过定义停车位引力因子[Gg]实现对停车位的动态分级，同时定义了车间斥力、引力因子[Gr]解决车间竞争问题，提出了一种基于引力和斥力的停车位发现算法R&GPA。仿真结果表明该算法在车辆位置信息不完全模型中相比其他算法缩短了个体车辆停车位搜寻时间，提高了系统的整体效益。

关键词: 车载自组网, 停车, 引力, 斥力

Abstract: Finding parking has been a major hassle for drivers in urban environments, but current researches about parking algorithm are usually based on ideal models without considering about many important elements in real scene. This paper improves the gravity based algorithm in an incomplete information model by defining factor [Gg], factor [Gr] and repulsion formula which realizes dynamic classification of parking lots and solves the problem of parking competition. Especially, a new parking algorithm R&GPA based on gravity and repulsion is proposed. Through simulation, the R&GPA algorithm shortens the individual parking time and enhances the overall efficiency of system compared with the other algorithms in incomplete information model.

Key words: Vehicular Ad-hoc Network（VANET）, parking, gravity, repulsion

金康1，2，李德敏1，2，汤海涅1，2，李彤1，2. 基于引力和斥力的停车位发现算法[J]. 计算机工程与应用, 2016, 52(6): 94-98.

JIN Kang1，2, LI Demin1，2, TANG Hainie1，2, LI Tong1，2. Parking algorithm based on repulsion and gravity[J]. Computer Engineering and Applications, 2016, 52(6): 94-98.

[1]	丁冰，杨祖莨，丁洁，刘晋峰，闫国亮. 基于改进YOLOv3的高速公路隧道内停车检测方法[J]. 计算机工程与应用, 2021, 57(23): 234-239.
[2]	贾露，张德生，吕端端. 物理学优化的密度峰值聚类算法[J]. 计算机工程与应用, 2020, 56(13): 47-53.
[3]	陈访剑，韩晓龙. 考虑客户吸引力的轴辐式海运网络优化[J]. 计算机工程与应用, 2020, 56(11): 271-278.
[4]	张晓琴，刘莉楠. 基于亲密度和吸引力的二分网络社区发现算法[J]. 计算机工程与应用, 2019, 55(23): 170-176.
[5]	孟建军，刘震. 城轨列车精确停车智能控制算法研究与仿真[J]. 计算机工程与应用, 2019, 55(23): 257-264.
[6]	浦玉学，舒鹏飞，蒋祺，陈卫中. 工业机器人时间-能量最优轨迹规划[J]. 计算机工程与应用, 2019, 55(22): 86-90.
[7]	陶静，帅仁俊，吴梦麟. 基于IDA-RF眼底硬性渗出物的检测[J]. 计算机工程与应用, 2019, 55(19): 223-227.
[8]	李艳琼，李冬冬，王喆，张静. 万有引力近邻的多视角分类学习[J]. 计算机工程与应用, 2019, 55(17): 137-142.
[9]	朱鸣，杨百龙，何岷，陈铮铮，张雄美. 基于改进粗糙集理论的SAR图像目标增强[J]. 计算机工程与应用, 2019, 55(16): 185-190.
[10]	李志强1，朱望纯1，张伟昆1，2. 区域停车诱导信息发布板的选址优化算法[J]. 计算机工程与应用, 2018, 54(8): 242-246.
[11]	赵蕊娟，杨连贺. 基于亲和度的引力移动算法[J]. 计算机工程与应用, 2018, 54(6): 44-48.
[12]	王进，张永慧，顾翔. 车载自组网中信任感知的隐私保护策略[J]. 计算机工程与应用, 2018, 54(6): 62-67.
[13]	马萍1，2，刘思含3，孙根云1，2，张爱竹1，2，郝艳玲1，2. 基于邻域引力学习的生物地理学优化算法[J]. 计算机工程与应用, 2018, 54(22): 35-41.
[14]	王彦博，殷红，彭珍瑞，蒋兆远. 混合引力搜索与高斯扰动的精英布谷鸟算法[J]. 计算机工程与应用, 2018, 54(21): 48-55.
[15]	刘林，陈蕾，杨爱峰. 考虑碳排放约束的制造/再制造生产优化[J]. 计算机工程与应用, 2017, 53(9): 231-235.